[发明专利]一种细粒沉积物泥质含量精细确定方法

说明书

本发明的目的在于提供一种细粒沉积物泥质含量精细确定方法，首先基于储层沉积特征及测井曲线组合特征，划分出单井沉积微相剖面。其次根据岩心分析、粒度等实验结果，以不同的粒度值完成不同类型沉积微相泥质含量的标定。再经过岩心深度归位后，根据不同类型的沉积微相地层的测井响应特征提取测井特征参数，并建立训练数据集和检验数据集。针对训练集采用LSTM神经网络的方法进行训练，建立泥质含量计算模型。然后用检验集进行模型检验，满足精度要求后进行推广应用。实践证明，该方法能准确计算复杂沉积环境下细粒沉积物低阻储层的泥质含量，为该类储层孔隙度、饱和度等其他储层参数的计算打下重要的基础，并具有广泛应用及推广前景。

技术领域

本发明涉及地球物理勘探领域，属于测井资料处理评价技术，具体为一种细粒沉积物泥质含量精细确定方法，是一种以粒度实验分析和沉积微相划分为基础，基于机器学习算法的泥质含量精细计算方法，适用于类似珠江口盆地文昌油田群细粒沉积地层的泥质含量参数计算。

背景技术

弱水动力环境下的细粒沉积地层往往发育低阻油气层，较为典型的例子就是南海北部珠江口盆地文昌油田群。区内浅海陆棚环境下的珠江组一段广泛发育大量电阻率接近1Ω.m的低阻油层，具有粒度细、泥质含量高、束缚水饱和度高的特点，大大增加了储集层参数精确评价和流体识别的难度。众所周知，对于泥质砂岩地层来说，准确的泥质含量计算模型是求准其它储层参数的关键。目前泥质含量的计算模型较多，计算方法也相对比较成熟，归纳起来主要有三类。一类是利用自然电位、自然伽马(GR)或自然伽马能谱等单条能反应泥质含量的测井曲线采用经验公式逐一计算泥质含量进行定量，再经过组合得到最终结果(王晓光，2017；雍世和，1996；袁义东，2017；张绍芳，2016)。如专利CN202110513391.7(杨林等，2021)公开了一种利用自然伽马(GR)曲线求取泥质含量的方法。专利CN202011282762.7(王猛，2020)按地层的伽马值大小划分为不同的类型，利用自然伽马(GR)曲线计算多条泥质含量曲线，通过曲线等级评估后再进行组合最终得到泥质含量。专利CN201811138450.1(王振华，2018)公开了一种经过SP和GR曲线进行加权处理后计算泥质指数模型。二类是基于三孔隙度测井曲线(声波、中子、密度)，采用两两交会的方法计算泥质含量(邱潇，2019；孟凡霄，2019；张德梅，2011)。三类是选取与泥质含量关系密切的多条测井曲线采用多元回归或BP神经网络的方法对泥质含量进行预测。如专利CN201911286140.9(李丙龙，2019)公开了一种基于神经网络的泥质含量预测方法，其侧重于针对不同测井曲线类型而进行。第一类方法和第二类方法在泥质含量与测井曲线之间的相关性较好时能得到比较满意的结果，但在文昌油田群细粒沉积物储层的泥质含量计算的应用中效果并不理想。经岩心数据检验，多元回归法和BP神经网络法在精度上有所提高，但仍不能满足现场的精细评价要求。主要原因在于(1)岩石颗粒细，填隙物含量高，泥质含量与GR曲线等单一曲线间关系复杂；(2)岩石薄片和粒度分析资料表明不同沉积微相类型的岩石具有不同的岩石学特征，难以建立统一的泥质含量模型；(3)以上模型未考虑不同沉积微相储层的具体特点和差异。

发明内容

为了克服上述计算泥质含量方法在实际应用中存在的一些不足，本发明的目的在于提供一种细粒沉积物泥质含量精细确定方法，以粒度分析实验为基础，沉积微相控制下的细粒沉积物岩心泥质含量标定思路，对比长期以来用同一粒度标准标定岩心泥质含量的方法，更加符合地质规律，精度更好。该方法，考虑了地层沉积层序时间序列和泥质含量、测井曲线的深度序列关系，使用在序列建模问题上优势明显的LSTM神经网络算法，对于解决泥质含量与自然伽马曲线具有复杂关系的细粒沉积物效果良好。

为了达到上述目的，本发明的技术方案为：

一种细粒沉积物泥质含量精细确定方法，包括以下步骤：

步骤一：沉积微相类型划分。在区域沉积大背景下，以沉积相为基础，结合岩心分析和录井等资料，依据测井曲线的组合特征划分出沉积微相类型。